1.GDAL学习6--C++开发环境搭建（从库编译到环境配置）
2.Cesium地形切片--CTB(cesium-terrain-builder)填坑指南
3.Ubuntu下GDAL编译与安装
4.Linux下安装GDAL
5.Python 重采样遥感数据 Pyresample (一)
6.windows编译GDAL+GEO+PROJ4(傻瓜教程)

GDAL学习6--C++开发环境搭建（从库编译到环境配置）

       GDAL在C++环境下的调试开发配置是一个关键步骤，尤其需要注意空间参考处理函数与GEOS和Proj.4库的源码b源联合编译。本文将详细指导如何在VS环境下完成这一过程。码调

       首要任务是调试编译和集成GEOS和Proj.4库。首先，源码b源确保下载正确的码调数藏引流源码库源码，如我使用的调试版本。解压后，源码b源打开VS命令行窗口，码调并配置VS的调试nmake.exe工具和vcvars.bat文件，以便进行后续编译。源码b源对于Proj.4，码调执行nmake.exe -f makefile.vc命令，调试成功后查看src文件夹。源码b源同样的码调步骤应用于GEOS，但可能因VS版本新导致编译错误，需调整nmake.opt文件中的VS版本信息。

       编译GDAL时，需要在gdal的opt文件中修改.lib文件路径，指向我们之前编译的src文件夹。接着，针对GDAL的配置进行必要的更改。在VS本地管理员命令窗口中，以管理员权限运行，执行nmake.exe -f make进行编译。大数据领域源码

       虽然这个过程可能会涉及多个步骤和一些调试，但按照这个顺序进行，应该能够顺利配置GDAL的C++开发环境。后续的环境配置会在后续更新中提供，因为篇幅较长，我们会分步骤逐步介绍。

Cesium地形切片--CTB(cesium-terrain-builder)填坑指南

       面临全中国Cesium地形数据制作需求，原计划使用cesiumlab进行操作，但处理数千张DEM数据时，面临性能和数据管理问题，导致项目效率低下。

       随后发现CTB（cesium-terrain-builder）工具，能有效提升处理速度，且不占用个人办公资源，便于数据处理与后期发布。然而，使用过程中遇到编译问题，GDAL环境部署后，CTB的cmake编译不通过，经排查后发现是GDAL版本与CTB需求不符，调整至GDAL-2.4.4后，问题解决。

       在验证CTB使用效果时，发现cesium无法直接使用CTB输出的河北ciq溯源码gzip压缩地形文件，为了解决瓦片压缩问题，通过修改CTB源代码，将CTBZFileOutputStream改为CTBFileOutputStream，完成对输出文件格式的调整，使cesium能直接利用输出结果进行数据展示。

       对于多数据同时处理问题，采用Python脚本按顺序处理文件夹下数据，并结合GDAL生成虚拟数据集（vrt）的方法，以简化层.json文件的合并过程，提升工作效率。最终，通过此方案，不仅成功解决了技术难题，还有效提升了项目处理效率，实现自动化与标准化流程。

Ubuntu下GDAL编译与安装

       为了在Ubuntu系统下成功编译与安装GDAL，首先需要从官方GitHub或GDAL官方网站下载GDAL源代码。下载完成后，将安装包拷贝至/usr/local目录下，这是Linux系统中一个常见用于存放系统级软件的目录。接着，在终端中输入“gadlinfo”命令进行测试，以确认GDAL是否正确安装。

       然而，奶粉溯源码培训在执行“gadlinfo”命令时，可能会遇到“gdalinfo: error while loading shared libraries: libgdal.so.: cannot open shared object file: No such file or directory”的错误提示，这表明系统无法找到所需共享库文件libgdal.so.。此问题通常与系统环境变量设置不正确有关。

       为解决这个问题，需要修改环境变量以指向libgdal.so.所在的目录。在Ubuntu系统中，可以通过编辑系统环境变量文件（如bash_profile或.bashrc）来实现。在文件中添加如下内容，具体路径需根据实际安装目录进行调整：

       export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/your/gdal/installation/directory/lib

       将上述代码中的“/path/to/your/gdal/installation/directory/lib”替换为实际的GDAL安装目录下lib子目录的路径。保存并关闭编辑文件，然后使用“source”命令使之立即生效。

       完成环境变量的修改后，再次执行“gadlinfo”命令，通常会发现错误提示已消失，表示GDAL已成功安装并能正常运行。至此，Ubuntu系统下的GDAL编译与安装过程圆满结束，可以开始利用GDAL进行地理数据处理工作。

Linux下安装GDAL

       Linux环境下的GDAL安装教程

       GDAL，全称为Geospatial Data Abstraction Library，是一个开源的栅格空间数据处理库，它支持多种文件格式的转换，并提供了实用的woshop小程序源码命令行工具。它就像是一个数据转换神器，能将诸如DXF这类文件转换成GeoJson等格式，广泛应用于地图制作等领域。

       安装GDAL在Linux系统上需要遵循特定步骤。首先，确认你的系统版本，然后开始安装过程。下载GDAL的最新版本，比如gdal-3.2.0.tar.gz，可以从官方或相关博客获取。安装过程中，需要确保已安装了必要的依赖，如SQLITE3和PROJ，尤其是SQLITE3版本要高于3.。安装时可能遇到问题，如找不到sqlite3.h头文件，这可能是交叉编译工具需要额外配置的提示。

       如果遇到configure失败，可能涉及依赖文件或gcc版本问题。这时可以尝试升级gcc，或者解决.deps目录的依赖问题。如果源码安装遇到困难，可能需要安装GMP、MPFR和MPC等库。在某些情况下，可能需要彻底更换gcc编译器，但这个过程可能会比较复杂，需要细心排查。

       对于在Docker容器内安装GDAL，可以参考相关博客，但需要注意，虽然Docker提供了一种隔离的安装环境，但如果你在本地安装失败，使用Docker的成功率也无法保证。最后，官方文档和GitHub上的dockerImages提供了GDAL的官方镜像和使用指南，但请务必根据自己的实际情况调整安装脚本。

       总结，Linux下安装GDAL需要对系统环境有深入了解，并可能涉及多个步骤和一些特定问题的解决。在遇到困难时，官方文档和相关博客是重要的参考资源。祝你安装顺利！

Python 重采样遥感数据 Pyresample (一)

       处理宽幅扫描遥感卫星数据时，如Sentinel-5、Ecostress和Modis等L1级或更低级别的数据，传统的影像重采样工具往往显得力不从心。GDAL虽然提供了将非规则化数据转换为规则化栅格的功能，但面对大规模数据时，其内存和CPU消耗问题令人头疼。在尝试过失败的编程实践后，Pyresample作为解决方案崭露头角。它依托于先进的kd-tree算法和Xarray、Dask等并行计算技术，尤其在应对大规模、非规则遥感数据重采样时表现出色。

       Pyresample是一款专为地理空间影像数据重采样设计的Python包，是SatPy库的核心组件，也可独立使用。重采样是将位置数据点转化为目标投影和区域的过程。它支持栅格数据和经纬度采样数据，使用AreaDefinition和SwathDefinition等不同的“geometry”对象进行描述。

       Pyresample提供多种重采样算法，如最近邻和双线性插值，采用由pykdtree库支持的快速KDTree算法。它支持numpy数组和numpy掩码数组，以及XArray对象（包括对dask数组的支持），并辅以Cartopy进行数据可视化。从版本1.开始，Pyresample不再支持Python 2和Python 3.4以下版本。

       要使用Pyresample，需要安装pyproj、numpy（版本1.以上）、pyyaml、configobj和pykdtree（版本1.1.1以上）。为了使用绘图功能，还需安装Cartopy和matplotlib（版本1.0以上）。若需dask和xarray支持，还需额外安装相关库。测试Pyresample时，所有可选包（如rasterio、dask等）需已安装。

       安装方法包括pip从PyPI获取、conda通过conda-forge通道安装或直接从源码安装。开发模式安装可通过`pip install -e .`命令进行。Pykdtree的多线程支持可通过环境变量控制，而numexpr会优化处理性能。

       在Pyresample中，`pyresample.geometry`模块包含了描述不同地理区域的类，如AreaDefinition（用于均匀间隔像素的区域）和SwathDefinition（处理非均匀像素的区域）。创建AreaDefinition对象时，需要指定投影方法或EPSG代码，而GridDefinition则适合已知像素经纬度值的场景。所有几何定义对象都提供访问像素坐标的方法，如get_lonlats()获取经纬度数据。

       总的来说，Pyresample是处理大规模、非规则遥感数据重采样的高效工具，它通过优化算法和并行计算技术，简化了遥感数据分析过程。

windows编译GDAL+GEO+PROJ4(傻瓜教程)

       一、编译GEOS库

       编译GEOS库有nmake编译与cmake-gui编译两种方法。

       nmake编译流程如下：

       1. 解压源码到指定路径。

       2. 修改nmake.opt文件，根据编译目标（位或位）、Debug或Release模式调整相关配置。

       3. 打开VS的命令提示符，切换至指定路径，执行编译命令。

       4. 编译完成后，会在特定目录生成geos相关的库文件。

       cmake-gui编译流程如下：

       1. 使用cmake-gui设置编译路径、输出目录。

       2. 配置完成后，点击generate按钮。

       3. 执行编译，编译完成的bin、include、lib文件将存储于设置的输出目录。

       二、编译proj库

       使用cmake-gui编译proj库，设置输出路径，确保生成动态库。

       三、编译GDAL库

       基于已编译的GEOS库，调整nmake.opt文件，配置GDAL_HOME路径与相关依赖。

       针对debug版本，需在nmake.opt中添加特定配置。

       设置Proj库相关参数，确保动态链接。

       使用nmake命令执行编译、生成操作。

       四、注意事项

       在将geos库集成至GDAL时，确保geos库路径无空格，否则可能导致头文件无法识别。